缓存穿透 缓存雪崩 热点数据集中失效解决方案

• 缓存在应用系统以及广泛使用，那么关于缓存使用带来的问题如何解决呢？
• 缓存穿透：当一个查询没有命中缓存，而去查询数据库时就是缓存穿透。当查询一个数据库不存在的数据时，就会频繁的造成缓存穿透，给数据库带来压力和无谓的性能消耗。黑客的攻击就可能利用这一特点，频繁查询不存在的数据，造成数据库崩溃。
• 解决方案：缓存不存在的key，其值设为null.这样再次查询是就直接在缓存层返回null.
• 缺点：如果有大量的不存在数据查询，则会浪费缓存内存，而缓存一般是存储在内存里，造成浪费其成本过高。
• 解决方案：在缓存和系统之间再加一层BloomFilter.BloomFilter负责筛选器查询的key是否在数据库存在，存在则去缓存里查询。BloomFilter 相当于是一个过滤层，过滤掉不存在的key，避免其去浪费时间和性能去查缓存和数据库。

• BloomFilter相当于是一个不重复集合，存在的都在集合里。不存在的不在集合。

• 缓存击穿：同一时间大量请求同一key,而key不存在缓存里或者缓存过期，从而导致大量的请求到达数据库，使数据库某一时刻性能急剧下降。

• 解决方案：互斥锁。加一个互斥锁，这样可以保证大量请求到来时，第一个请求时查询数据库，后边的直接查缓存。

• 验证该数据是否是热点数据，热点数据单独存放。

• 缓存雪崩： 同一时刻大量缓存失效，缓存机器出问题，就会造成大量查询查询数据库，从而导致数据库性能下降，严重会导致崩溃。

• 解决方案：redis 缓存使用集群，主从加哨兵。设置缓存失效时间错开。

• 使用ehache本地缓存，使用Hystrix 进行限流降级。避免数据库崩溃，控制同一时刻对数据库请求的数据量，达到限流的目的。降级是为了数据库的可用性，对一些请求走限流后可以给出一些默认的返回。

• 热点数据集中失效：即热门的数据同时失效，造成都去查数据库。

• 对热点数据存储利用集群存储，分散请求到不同的缓存机器，错开同一热点数据的失效时间。这样避免缓存同时失效。同一缓存的热点数据的失效时间要错开。

• 数据库层面就是加互斥锁，从而使其后续请求可以直接查缓存。